생존분석 (Survival Analysis)

한 줄 정의: 특정 사건(사망, 재발, 고장 등)이 일어나기까지 걸리는 시간을 분석해, 그 사건이 언제·얼마나 자주 일어나는지를 추정하는 통계 방법입니다.

쉽게 풀면

단순히 "환자가 5년 뒤 살아있는가 죽었는가"만 보는 게 아니라, "얼마나 오래 살아남았는가"라는 시간의 흐름 자체를 분석 대상으로 삼는다고 생각하면 됩니다. 문제는 연구가 끝날 때까지 사건이 일어나지 않은 사람(아직 생존 중이거나 중간에 연락이 끊긴 사람)도 섞여 있다는 점인데, 이런 불완전한 정보를 "중도절단(censoring)"이라 부르며 생존분석은 이를 버리지 않고 계산에 반영합니다. 그 결과를 계단 모양의 그래프로 그린 것이 카플란-마이어(Kaplan-Meier) 곡선이며, 시간이 지날수록 생존자 비율이 얼마나 줄어드는지를 한눈에 보여줍니다.

왜 중요한가

생존분석은 치료 효과나 위험요인의 영향을 "발생 여부"뿐 아니라 "발생까지 걸린 시간"까지 함께 평가할 수 있어, 임상시험·역학·공학의 신뢰성 분석·고객이탈 예측 등 사건 발생 시점이 핵심인 거의 모든 분야에서 표준 분석 방법으로 자리잡고 있습니다. 특히 중도절단된 관찰치를 버리지 않고 활용할 수 있다는 점이 장기 추적 연구에서 이 방법을 필수로 만드는 이유입니다.

논문에서는 이렇게 쓰입니다

"카플란-마이어 생존분석 결과, 두 군의 5년 무재발 생존율에는 유의한 차이가 있었다(log-rank p=0.02)."

이 문장은 치료군과 대조군의 생존 곡선을 그려 비교한 결과, 두 그룹이 시간에 따라 사건을 겪는 양상이 우연이라 보기 어려울 만큼 다르다는 뜻입니다.

"산업공학 분야에서는 부품의 고장 시간을 생존분석으로 모형화하여, 특정 사용 기간 이후 고장 위험이 어떻게 변화하는지를 추정하였다."

신뢰성공학에서는 사람의 생존 대신 기계 부품의 "고장까지 걸리는 시간"을 같은 방법론으로 분석하며, 이를 통해 적정 교체 주기를 설계하는 데 활용합니다.

"고객 이탈 예측 연구에서는 가입 후 해지까지의 기간을 생존분석으로 모형화하여, 어떤 요인이 조기 이탈 위험을 높이는지 확인하였다."

경영학·마케팅 분야에서는 고객의 서비스 해지를 하나의 "사건"으로 보고, 어떤 시점에 이탈 위험이 높아지는지를 파악하는 데 생존분석 기법을 응용합니다.

조금 더 깊게 보면

생존분석에서는 특정 시점까지 사건이 발생하지 않을 확률을 나타내는 생존함수와, 그 시점까지 살아남은 대상이 다음 순간 사건을 겪을 순간적인 위험을 나타내는 위험함수(hazard function)를 함께 다룹니다. 여러 집단의 생존곡선 차이를 검정할 때는 로그순위검정(log-rank test)을 흔히 사용하며, 다른 변수들의 영향을 동시에 보정하고 싶을 때는 Cox 비례위험모형처럼 위험함수를 기반으로 한 회귀모형을 활용합니다. 이때 비례위험 가정(시간에 따라 위험비가 일정하다는 가정)이 성립하는지 확인하는 절차도 함께 요구됩니다.

주의할 점

생존분석이라는 이름 때문에 "죽음"에만 쓰인다고 오해하기 쉽지만, 실제로는 재발, 퇴원, 부품 고장처럼 "특정 사건이 발생하기까지의 시간"을 다루는 모든 상황에 적용됩니다. 또한 여러 요인이 생존 시간에 미치는 영향을 함께 보정하려면 Cox 비례위험모형을 쓰는데, 이때 산출되는 값이 바로 위험비입니다.